بهبود روش‌های مبتنی بر الگوریتم SIFT به منظور بازشناسی و ثبت تصاویر لوگو

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,179

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP08_112

تاریخ نمایه سازی: 9 بهمن 1392

چکیده مقاله:

بازشناسی و ثبت تصویر دو مسئله مهم و کاربردی در حوزه‌ای بینایی ماشین می‌باشند. در این مقاله، مسئله بازشناسی و ثبت تصاویر لوگو با استفاده از الگوریتم SIFT مال و جان گرفته است. در روش پیشنهادی، ابتدا نقاط کلیدی تصاویر مرجع و بردارهای ویژگی متناظر با آن‌ها با استفاده از الگوریتم SIFT استخراج و ذخیره می‌شود. سپس برای هر تصویر ورودی به سیستم نیز نقاط کلیدی تسمیه محاسبه شده و با استفاده از روش نزدیک‌ترین همسایه کی، نقاط منطبق با آن‌ها در هر یک از تصاویر مرکب تعیین می‌شود. پس از آن زیر مجموعه‌ای از تصاویر مرجع که تعداد نقاط منطبق آن‌ها با تصویر ورودی بیشتر است انتخاب شده و فاصله با استفاده از جفت نقاط متناظر به اینکه هر یک از آن‌ها و تصویر آزمایشی ورودی، تابع نگاشت مربوط محاسبه می‌شود. پس از آن با اعمال تابع نگاشت حاصل به نقاط کلیدی انطباق یافته تصویر ورودی، موقعیت آن‌ها در تصویر مرجع متناظر شان تعیین‌شده من جمع مربعات خط‌های مربوط محاسبه می‌شود. در نهایت با ترکیب اطلاعات مربوط به تعداد نقاط کلیدی انطباق یافته و جمع مربعات خطای تخمین موقعیت نقاط کلیدی، در خصوص بازشناسی لوگوی ورودی تصمیم‌گیری می‌شود. به منظور ثبت لوگوی ورودی، با توجه به نقاط کلیدی استخراج شده است لوگوی ورودی و نقاط نظیر آن‌ها در لوگوی مرجع نگاشت لازم بین دو تصویر محاسبه شده و بر آن اساس تصویر لوگوی ورودی سد می‌شود. به‌منظور ارزیابی کمی نرمش پیشنهادی از پایگاه داده UMD_Logo_Database به عنوان تساوی مرجع استفاده شد. همچنین با اعمال مجموعه‌ای از توابع نگاشت تصادفی به تصاویر مرجع، بدون در نظر گرفتن محدودیتی در مقدار مقیاس یا مقدار و جهت چرخش تصاویر، مجموعه‌ای از تصاویر آزمایشی تولید گردید. نتایج آزمایش‌ها نشان می‌دهد که علیرغم عدم اعمال محدودیت در مقدار و جهت تغییرات اعمالی به تساوی یک، روش پیشنهادی از کارایی بسیار خوبی برخوردار است.

نویسندگان

آسیه خلیلیان

گروه پژوهشی پردازش سیگنال - دانشکده مهندسی برق و کامپیوتر - دانشگاه یزد

مریم زارعان

گروه پژوهشی پردازش سیگنال - دانشکده مهندسی برق و کامپیوتر - دانشگاه یزد

محمد تقی صادقی

گروه پژوهشی پردازش سیگنال - دانشکده مهندسی برق و کامپیوتر - دانشگاه یزد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Yang, M. H., "Object Recognition", Encyclopedia of Database Systems, pp. ...
  • Dimensional Model-Based Object Recognition and Segmentation in Cluttered Scenes", IEEE ...
  • B orotschnig, H .Paletta, L.Pran. M.Pinz, A., "Appearance- based Active ...
  • Howarth, J.W., Bakker, H., Flemmer, R.C. _ 'Feature-based Object Recognition", ...
  • Pavel, F.A., Zhiyong Wang, Feng, D.D., "Reliable object recognition using ...
  • Zitova, B., Flusser, J., "Image registration methods: a survey", Image ...
  • Doermann, D.S., Rivlin, E.. Weiss, I., "Logo Recognition 'Technical Report: ...
  • Doermann, D.S., Rivlin, E., Weiss, I., "Logo Recognition Using Geometric ...
  • Doermann, D.S., Rivlin, E., Weiss, I., "Applying invarients for logo ...
  • recognition'", Machine Vision and Applications, 9:2, pp. 73-86, 1996. ...
  • Psyllos, A.P. , Anagno stopoulos, ...
  • IntelligentTran sportion Systems, vol. 11, no. 2, June 2010. technique ...
  • Yuan, Z., Yan, P., Li, S., "Super Resolution Based on ...
  • Coppni, G., Diciotti, S. Valli, G., "Matching of Medical Images ...
  • Amintoosi, M., Fathy, M., Mozayani, N., " A fast image ...
  • _ Utkarsh, "SIFT: Scale Invariant Feature Transform", May 2010, _ ...
  • Amintoosi, M., Fathy, M., Mozayani, N., "Image Registration for Super-Reso ...
  • نمایش کامل مراجع